买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学;沈阳市勘察测绘研究院有限公司申请的专利一种联合多类约束的车载激光点云位姿图优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116704024B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310583539.3，技术领域涉及：G06T7/73；该发明授权一种联合多类约束的车载激光点云位姿图优化方法及系统是由李雨昊;敦力民;邰贺;吕东洋;董震;杨必胜设计研发完成，并于2023-05-19向国家知识产权局提交的专利申请。

本一种联合多类约束的车载激光点云位姿图优化方法及系统在说明书摘要公布了：本发明公开了一种联合多类约束的车载激光点云位姿图优化方法及系统，通过对移动平台的轨迹数据进行统计分析，采用自适应分段的方式将点云分段，并抽象为位姿图中的节点；利用点云分段包围框的交并比获得粗略的分段重访关系，采用基于曲率的关键点检测结合局部点云特征描述子获取重访分段间的同名匹配关系；在相邻分段之间采样虚拟观测点，构建平滑约束边，结合匹配同名点初始化重访对应匹配边，构建多类型约束的位姿图模型，最终实现车载激光点云数据的全局平差。本发明可以自动从车载激光点云数据中发现重访区域，并构建多类型约束的位姿图优化模型，实现车载激光点云的全局优化平差，为城市道路分析等应用提供高精度的地图数据支撑。

本发明授权一种联合多类约束的车载激光点云位姿图优化方法及系统在权利要求书中公布了：1.一种联合多类约束的车载激光点云位姿图优化方法，其特征在于，包括以下步骤： 步骤1，采用自适应分段的方式将原始激光点云数据分割为不重叠的点云分段，并将点云分段抽象为位姿图模型中的节点； 步骤2，根据每个分段内点云的坐标得到点云分段的2D包围框，通过计算两个点云分段包围框之间的交并比，获得粗略的分段重访关系； 步骤3，采用基于曲率的关键点检测方法获取点云分段中的关键点； 步骤4，采用基于局部几何特征的点云特征描述子匹配方法，获取重访分段之间的同名匹配关系； 采用基于局部三正交平面投影的方式编码局部几何空间特征，作为关键点的特征描述子，具体计算方式为：搜索当前关键点的局部邻域点，使用主成分分析法计算主方向，以当前关键点为原点，主方向为X轴，垂直于地面向上的方向为Y轴，X轴和Y轴的正交方向为Z轴构建局部独立坐标系，并将局部邻域点变换到该局部独立坐标系下，将邻域点分别投影到三个正交的平面XOY、XOZ、YOZ上，然后对每个平面的投影点进行栅格化统计，将每个栅格内的点的密度、投影距离归一化到为0-255区间内的值，通过随机特征差异性测试的方法将其进一步转换为0-1区间内的二进制值，并将三个投影平面内的二进制值串接起来作为当前关键点的二进制点云特征描述子；将每个点云分段内的关键点的特征描述子聚合得到该点云分段的特征描述子，聚合方式如下： 6 式中，表示点云分段的特征描述子集合，为取并集操作，为点云分段中的第个关键点，为第个关键点的二进制特征描述子，为点云分段中包含的关键点的数量； 通过计算两个二进制特征描述子之间的汉明距离，并使用双向特征选择的方式即可获取重访分段之间的同名对应关系，即： 7 式中，、为点云分段、的关键点集合，、分别表示属于关键点集合、的关键点，、表示关键点、的二进制特征描述子，、表示点云分段、的特征描述子集合，表示从特征描述子集合B中选出与二进制特征描述子A汉明距离最小的特征对应的关键点； 使用SVD分解双向特征选择得到的同名匹配关系矩阵，能够得到两个重访点云分段之间的相对位姿变换； 步骤5，根据重访分段之间的同名匹配关系，构建回环约束边； 回环约束边代价函数计算公式如下： 8 9 式中，为回环约束边代价函数；n为分段总数；为指示函数，如果两个分段之间存在重访关系，则为1，否则为0；分别为分段的位姿和匹配特征同名点；为当前重访分段中包含的匹配同名点数量；运算符表示将当前点按照位姿进行变换，从源坐标系变换到目标坐标系的过程；表示为分段的重访分段总数；为两个点之间的欧式距离；为某对匹配同名点的权重；为特征描述子的维度；为两个二进制特征描述子之间的汉明距离；log表示取对数函数； 步骤6，在相邻分段之间设置虚拟采样点，并构建平滑约束边； 步骤7，通过对位姿图进行优化，实现车载激光点云的全局优化平差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学;沈阳市勘察测绘研究院有限公司，其通讯地址为：430072 湖北省武汉市武昌区八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。